基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

基于混合遗传算法优化的舵减摇模糊控制系统

将混合遗传算法应用于船舶舵阻摇，充分发挥了模糊逻辑、神经网络和遗传算法各自的优势．采用模糊系统的自适应变节点的神经网络学习模糊神经网络参数，从样本数据中获取模糊控制规则，弥补了各自的不足．仿真结果表明上述算法为改进船舶舵阻摇效果提供了一个有效途径．     

模糊粗糙集的表示定理

通过对偶方式定义了模糊集的上、下近似算子，给出了模糊粗糙集在相应的模糊关系及模糊集的截集下的表示定理，证明了这种模糊粗糙集关于模糊近似空间的上近似恰为其在二元模糊相似关系下导出的广义扩张原理之下的像。证明了Zadeh模糊推理合成规则(CRI)与特定的广义扩张原理具有相同的形式。推理结果也可由此获得，这样可借助广义扩张原理的性质及粗糙集理论研究模糊推理．     

概率信息系统中扩展决策规则的决策推理

用概率信息系统表示对象与属性值之间的概率关系．根据粗糙集理论，采用平均算子，获取概率信息系统的扩展决策规则集．用关系合成的模糊推理方法，实现了扩展决策规则集的决策推理．     

���ڴֲڼ����г����е��������о�

粗糙集是一种处理不完备、不精确数据的新方法,其数据处理过程与行车调度员进行列车运行调整的决策过程非常相似,都是从已有的大量经验数据中提取出决策规则并用于指导新的决策判断．通过对行调人员运行调整和决策的详细剖析,构建了列车运行调整的粗糙集模型,提出了基于粗糙集的列车运行调整系统知识的获取与表达的方法,改进了运行调整的粗糙集决策规则的约简算法,思路更清晰,步骤更完善;最后通过对DMIS系统中部分列车运行数据的挖掘,证明了算法的实用性,从提取出的规则能直观地判断出各条件属性对决策的影响程度,为行调做出新的决策提供了有价值的参考;形成了完整的粗糙集列车运行调整体系．     

基于神经网络的模糊逻辑设计算法

提出了一种利用神经网络学习功能来设计模糊逻辑的方法。用类神经网络算法产生模糊规则和隶属函数，通过学习得到的模糊规则、隶属函数和以新模型推理、逆模糊化为基础的新模糊设计，显著地改进了系统性能，缩短了设计周期，将规则数目和隶属函数最优化，可有效降低系统成本。     

用于数据分析的变精度模糊粗糙模型

利用模糊集理论扩展Ziarko的变精度粗糙集模型,得到变精度模糊粗糙数据模型(VPFRDM).以属性重要性为启发式信息,提出了模糊信息系统中的属性约简方法.通过计算各模糊模式类相对于决策类的分类能力,生成相应的模糊规则.仿真实验表明,与Ziarko的变精度粗糙集方法相比,VPFRDM具有更好的数据概括能力.     

基于模糊自整定PID控制器的非线性系统仿真

将PID控制与Fuzzy控制的简便性、灵活性以及鲁棒性融为一体，构造了一个自适应模糊PID控制器．通过模糊控制规则在线调整PID控制器的参数，并利用MATLAB语言结合具体实例方便而快速地实现了该控制器的计算机仿真．仿真结果表明：该控制方法提高了非线性系统的动、静态特性，使系统获得了较好的性能．     

模糊关联规则的挖掘算法

为了提高模糊关联规则挖掘的效率，定义了冗余模糊关联规则，并分析了强模糊关联规则的冗余性质，提出了通过删除冗余模糊关联规则提高挖掘效率的新算法．此外，针对利用支持度和蕴涵度定义的强模糊关联规则挖掘问题，将删除冗余模糊关联规则和不删除冗余模糊关联规则的计算结果与实验结果进行了比较．结果表明，当数据库中项目数较多时，删除冗余模糊关联规则能提高挖掘效率．     

粗糙集与神经网络在发动机故障诊断中的融合应用

电喷发动机运行的状态信息众多而复杂,故障与状态信息的关系模糊而不确定,如何从复杂的多元信息中获取有用部分并加以利用是电喷发动机故障诊断的关键.本文应用粗糙集理论对冗余信息进行约简,得到更为简明的诊断规则,将约简结果与神经网络相结合,建立了故障诊断系统.网络的训练对比结果表明,粗糙集理论的约简处理简化了神经网络结构,提高了网络的训练效率;通过实例验证了粗糙集理论与神经网络相结合进行电喷发动机故障诊断的可行性.